文献

J-GLOBAL ID：201802248177264277   整理番号：18A1107112

U2P-Minerアルゴリズムを用いた区間データに基づく新しい多重属性意思決定法【JST・京大機械翻訳】

A novel Multiple Attribute Decision Making approach based on interval data using U2P-Miner algorithm

著者 (1件)： Golpira Heris (Department of Industrial Engineering, Sanandaj Branch, Islamic Azad University, Sanandaj, Iran)
資料名： Data & Knowledge Engineering  (Data & Knowledge Engineering)
巻： 115  ページ： 116-128  発行年： 2018年 
JST資料番号： D0823B  ISSN： 0169-023X  CODEN： DKENEW  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,リスク回避の意思決定者(DMs)レベルに基づくパターンマイニングを用いた優先順位のための技術を導入することを目的とした。しかし,モデルは供給者選択の問題に関して本質的に定義されて,それはほとんど類似の意思決定問題を扱うために用いることができた。この新しい多重属性決定(MADM)モデルは,U2P-Minerアルゴリズム,区間データ重みづけ法,および線形割当法(LAM)の利点を取り入れる。この方法の背後にある鍵となるアイデアは,共通属性としてより頻繁なパターンを持つ属性を考慮し,それに対してより小さな重みを割り当てることである。モデルが入力として間隔データを扱うので,モデルが詳細な情報を使用するので,結果としての重み因子がより現実的であることを保証することができる。DMsリスク回避レベルは,現実の状況で必要なモデルにおいても扱われる。従って,提案した意思決定プロセスはリスクに対するDMs姿勢に直接依存する。それは,DMを2つの方法で決定する機会を与える。1)特定リスク回避レベルに基づいて,2)LAMを用いた統合アプローチに基づく。LAMの線形性はそれ自身によってモデルのスケーラビリティを強化する。さらに,ペアワイズ比較判断を提供する必要性は,モデルにおいて完全に除去され,したがって,意思決定の信頼性は強化される。モデルの有効性は数値例を通して最終的に実証されるが,広い比較と感度解析はその妥当性と優位性をさらに証明する。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *意思決定 ,  意思決定者 ,  線形性 ,  モデル ,  *アルゴリズム ,  *多重化 ,  重みづけ ,  感度解析 ,  信頼性 ,  不確実性
準シソーラス用語： パターンマイニング ,  リスク回避 , 【Automatic Indexing@JST】

著者キーワード (7件)： サプライチェーン ,  供給者選択 ,  MADM ,  データベースにおける知識発見 ,  不確実性 ,  パターンマイニング ,  線形割当法

分類 (2件)： 数理計画法  (KA03030M) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： アルゴリズム ,  多重属性意思決定